ディープラーニングを利用してスマホのユーザインタフェースを改善(2/2)

１．ディープラーニングを利用してスマホのユーザインタフェースを改善(2/2)

・２つめのデータセットでは人間に判断がわかれるケースを集めた
・2000のパーツのうち40%程度が人間が矛盾した判断を下した
・AIは人間が矛盾した判断をくだすケースでは曖昧な予測を返した

２．人間に一貫性がないケースをAIで予測

以下、ai.googleblog.comより「Using Deep Learning to Improve Usability on Mobile Devices」の意訳です。元記事は2019年4月2日、Yang Liさんによる投稿です。

モデルの評価
このモデルによって、ユーザーが認識する各パーツのタップ可否（モデルによる予測）と開発者または設計者の意図の不一致を自動的に診断できました。

以下の例では、「フォロワー」や「フォロー」などのラベルはタップ可能だとユーザーが考える可能性が73％であるとモデルは予測していますが、実際にはこれらのインターフェース要素はタップ可能なようにプログラムされていません。

特に人間の知覚にあいまいさがあるケースで、私たちのモデルが人間のユーザーと比較してどのように振る舞うかを理解するためにクラウドソーシングによって2つ目のデータセットを生成しました。このデータセットは290人のボランティアが、2,000のユニークなパーツのタップ可否に関してそれぞれにラベルを付けしました。

各パーツは、5人の異なるボランティアによって個別にラベル付けされ、整合性を調査するためのデータセットとして使用されました。その結果、全調査パーツの40％以上がボランティアによって矛盾してラベルを付けられていることがわかりました。下の図に示すように、私たちのモデルは、人間の知覚におけるこの不確実性と非常によく一致しています。

モデルが予測したタップ確率の散布図（Y軸）。整合性データセット内の各パーツに対する、人間のラベル付けの割合（X軸）。